文 | 无锈钵 山核桃
过去的这几年，在苏州常熟一家印刷电路板工厂的终检车间内，如何用眼睛精准发现瑕疵点是一线车间工人赵小米持续要做的“难”事。
作为质检工人的她，需要检测的电路板叫软硬结合板——尽管看起来只有指甲盖大小，但小到手机、车载镜头，智能耳机，大到5G通信基站，软硬结合板的应用极为广泛，制程工艺也已成熟，但在最后一环的质检上却存在着看不见的痛点。
赵小米的日常工作内容是“毙掉假点”。每天，车间的AVI外观检查机会对产品完成初次筛查，根据色差等寻找产品缺陷，但由于机器执行过程中的机械化，会存在“过杀现象”——大量没有瑕疵的产品被误判为“假点”，赵小米需要对着放大的照片，在电脑前确认与修正机器的筛查结果。
在不足一平方米的桌前，赵小米需要工作八个小时，一天需要看的图片约为1万张。即便是行业老人，也难以抵御这种重复劳动带来的疲倦：“从早到晚，看得真的很累”。
幸运的是，一切都在改变。今年，百度智能云将一套智能化的外观质检方案带到了赵小米所在的东南相互电子。算法在自动学习假点的特点后，建立相应的模型，为赵小米免去了大量不必要的工作。“现在，我们可能最多只要看1000多张图片左右。”
AI质检对这个车间带来的小改变，也深远影响着这家有着十多年历史的企业。东南相互电子IT经理胡平华自己算过一个账：“通过包括AI质检在内的智能化改造，生产周期缩短2天，品质良率提升近3%，企业产值提升18%，人均产值提升42%，报废成本一年降低1000多万。”
改变不只发生在一家工厂，也并不局限于质检环节。今天，围绕中国制造业的转型，一副宏大的产业画卷已在这片土地上徐徐展开。
寻觅锚点：找到真需求的那颗“钉子”
乔舒亚·B·弗里曼在《巨兽：工厂与现代世界的形成》中，讲述了工业革命以来，超大工厂的发展历程，这些“巨兽”在世界经济周期中扮演着重要角色。
中国制造业的影子，早已深深嵌入全球供应链中，正如这位学者所说的：“中国的工业历程，是长达300年的大型工业历史上崭新的篇章，是现代世界舞台上闪亮登场的新角色。”
现实印证着他的判断。作为全世界唯一41个工业门类都齐全的国家，中国去年的制造业增加值占全球比重近1/3，连续12年全球居首。
但庞大的工业产值背后，“巨兽们”所面临的“智能化程度低下”、“触网不深”的痛点，同样如影随形。
钛媒体研究院发布的数据显示，94.4%的中国企业未能做好部署智能制造的准备，生产设备数字化率只有44.8%，而数字化设备联网率仅为39.0%。
随着世界百年未有之大变局加速演进，全球产业链供应链面临重塑，中国制造业的数字化转型已不是“抢答题”，而是关乎从“中国制造”向“中国智造”转变的“必答题”。
这一过程中，尽管不少云巨头们，都已经意识到了算力与实体经济融合所带来的广阔市场，但在强调务实的工业场景里，当前的数字化转型逻辑仍然过于抽象。
一方面，区别于消费互联网，工业的底色是慢和磨，大多数云巨头在切入工业场景时仍遵循互联网企业“大力出奇迹”的打法，企图从“大切口”进入，用通用化的模型解决一切问题。
但不同工厂的数字化能力不同，同一工厂各个环节的数字化进程也不一，这就决定了通用方案并不能“一家通吃”。
另一方面，工业企业往往崇尚“成效先行”原则，看重投入产出比。我国工业曾长期依赖人口红利，制造业企业希望通过数字化实现降本增效，但也对毛利的要求也格外严苛。一旦发现服务厂商缺乏行业认知，投入与产出不对等，数据无法沉淀价值，就会心生退意。
因此，数字化转型不是“信息—工业”的粗暴加法，而是要深入产业肌理探寻病灶，以工业需求为主导，实现二者的有机结合。
在一次常熟工信局组织企业参访活动中，百度智能云发现了东南相互电子在质检环节上的痛点，这恰好与东南相互电子数字化改造的方向一致。
IT经理胡平华回忆到，受原材料成本上升与大客户影响，东南相互电子在2017年时曾面临亏损困境，但通过梳理生产的制程流程与作业方式，数字化的红利很快凸显，企业已不再为营收增长担忧。
像东南相互电子此类已完成自动化改造与早期数字化建设的企业，下一步关注的是在具体场景下的“精细化”。胡平华告诉财经无忌：“我们考虑的是如何将IT技术和OP（作业程序）做紧密结合，包括我们关注的AI技术与局部应用场景的结合”。
双方因此一拍即合，用IT经理胡平华的话来说，这是一个“颠覆性变革”。在百度智能云的赋能下，一台外观检测机需要配备的复核人员可以从5个人降到2个人，相应的培训周期从2个月缩短到2周，东南相互电子看到了实实在在的增长。
一系列变化的背后，是百度智能云在切入制造领域策略的使然——深入一线工厂，与车间对话，找到真需求的那颗“钉子”，钉子质量虽小，却可以穿透硬物，是因为它将冲击力集中在小小的尖上，因此压强更大。
距离常熟一百多公里外的湖州，百度智能云也找到了当地纺织企业美欣达的“真需求”。
美欣达创立于1993年，从传统纺织印染厂起家，凭借着全产业链优势成为了诸多国内外快时尚与高端服饰品牌的供应商。
但纺织企业能源消耗大，产业链冗长，近年来美欣达逐步向数码印染与绿色环保转型，但在具体场景与业务环节上，数字化进入中国工厂，没有想象中那么简单。
比如，产品检测依赖人工，业务环节上的数据孤岛等问题，在美欣达验布车间工作多年的李师傅提到整个纺织行业数字化转型的普遍困境：“纺织行业是离散型行业，整个行业的很多节点都依靠人力与经验”。
在美欣达的湖州工厂内，“经验”贯穿这家工厂的各个环节。
偌大的工厂内，纺织女工们正在对布料进行分类，作为面料出厂的关键环节，验布是保证出厂成品质量的第一关，传统的验布环节都靠工人眼睛来识别破洞、色污、折痕等瑕疵。
除了分辨瑕疵外，在漂染过程中，工厂会用“匹条”（每匹布的布条）用以核对整批货的颜色，对比缸差，但这项工作同样极其依赖老师傅的经验。
李师傅展示着两块匹条——肉眼看上去它们的颜色极为相似，但老师傅却能一眼看出不同。
“原来匹条就是靠人眼一根一根的比对来分的。像颜色差异很近的话，没有经过专业训练，很难分辨出来。”
但借助一套和生产体系匹配的AI摄像头，可以轻松解放人力。美欣达与百度智能云合作的智能验布系统、色差管理系统，通过AI摄像头采集数据，建立可视化的三维模型，系统可以分辨正品布与次品布，并根据颜色自动分类。
AI能力为这家纺织工厂带来了看得见的改变。原本验布环节中，工人检出率为70%，百度AI检出率目标是达95%，且速度比人工快2倍。
同时，智能验布系统、色差管理系统也保证了产品瑕疵漏检率低于2%，分类准确率大于85%。
数字的增长下，是百度智能云锚定企业“真需求”所带来的回应。百度智能云资深解决方案结构师章畅海认为，百度智能云通常在评估一个项目时，思考的是“能否满足需求方的投资回报。”
如何将抽象的数字化切入具体复杂的工业场景，围绕着需求这颗“钉子”，百度智能云一系列的实践已经给出了答案。
路径更新：压强式创新的合纵连横
而在那之外，技术的魅力不仅仅在于助力企业解决痛点，同样也在于为品牌描摹全新的增长向量。
对于百度智能云来说，找到痛点的“钉子”后，更重要的是帮助中国工厂找到持续增长的路径。
面对行业应用，在经历了“不计成本做集成”的阶段后，头部厂商们所形成的共识是遵循“被集成”这一原则，模式更轻。
但工业制造业碎片化、模式重、链条长且场景复杂，即便找到了单点痛点，但依照大部分云计算厂商“被集成”的路径依赖，依旧难以深入场景，形成数字化建设的业务闭环。
百度智能云的路径是“合纵连横”：一边以核心AI能力，纵向深入企业核心场景，解决具体问题，再基于应用需求部署PaaS平台、IaaS基础设施，建立一整套“通用+个性”的解决方案。另一边以“园区”为接口，横向汇集共性问题，批发式满足中小企业的需求，实现规模化。
这套打法，对复杂的工业垂直领域而言，更经济、也更灵活。
首先，是“合纵”。对云厂商而言，想要深入产业，实现跨行业、跨领域的布局，必须要具有可复制性的产品。
经过多年实践，百度智能云工业互联网品牌“开物”在AI质检、能源优化、安全生产和智能调度四大场景上的能力沉淀，成为了百度智能云切入不同制造业的“刺刀级产品”。
以AI质检场景为例，这款应用已在全国15个规模化行业的100多个场景里落地，服务了首钢、宝武、恒逸、一汽、广汽本田等知名企业。
“百度智能云在工业质检上已实现了平台化，可以用来覆盖所有的行业。”百度智能云智慧工业资深解决方案架构师章畅海介绍道。在AI质检领域，百度智能云已形成了多层能力，一层是底层框架的算法算式迭代，一层是跨行业的初始通用模型，最上层是真正的应用落地。
回到企业具体的实践中，一方面，这些已具备成熟能力的产品能够帮助百度智能云灵活切入不同工业场景；另一方面，随着成效凸显，云厂商与工业企业在磨合中，逐步从单一生产场景的数字化转型走向更纵深的业务与组织创新。
胡平华对此深有体会。目前，东南相互电子正准备将AI质检应用于产品的中段检环节与安全生产。而李师傅所在的美欣达正打算利用AI技术打通上游设计、中游生产与检测与下游物流运输的业务闭环。
在合纵之外，百度智能云通过企业间的横向集成，以集聚工业资源要素的园区为接口，通过打造园区云、产业云，进而实现行业产业链与区域产业集群的数字化升级。
以去年工业总产值迈向4万亿台阶的苏州为例。从“苏南模式”一路走来，作为长三角工业制造业的重镇，尽管苏州制造业高新技术产业比重大，产业结构高级化特征突出，但也存在着挑战。
《财经智库》中国实体经济苏州课题组在走访苏州张家港、吴中等地的调研曾发现，苏州产业间的互动仍待加强，中小企业在数字化建设等层面也存在着融合度不高、发展不均衡等共性问题。
在园区或产业带所聚集的一大批中小企业，它们并不是不愿意转型，而是苦于成本的压力。而百度智能云通过与园区内标杆企业合作，打造样本案例的同时，也可以汇聚区域内其他企业的共性需求，让中小企业以较低的成本解决最实际的问题。
在苏州常熟高新园区，百度智能云组建了一线运营团队与“AI+工业互联网”产业基地，负责长三角地区的交付与服务。截至目前，百度智能云在苏州，已服务300余家企业，帮助近20家企业推进数字化改造工作，为183家企业提供咨询诊断服务。
事实上，在苏州的实践之前，百度智能云已在广州、重庆、桐乡、宁波等地区以“AI+园区”的形式实现了因地制宜，先通过与当地头部企业的合作找到需求的“点”，再集成需求形成“面”。
范式转换：中国智造升级的“百度方案”
跨过具体企业、园区的案例，今天，摆在所有中国制造面前的问题是：
数字化可以解决两家、甚至两百家企业的问题，但量变终究不等于质变。如何助力行业，乃至“千企千面”的制造业，实现兼具规模与效果的转型？
在锚点、路径之外，百度智能云在对中国智造的赋能上，找到了一条“范式转换”之路。
所谓的“范式转换”是美国著名科学哲学家库恩在《科学革命的结构》曾提出的概念，“范式”是一种公认的模型或模式，而当稳定的范式无法解决新的问题，就需要打破旧范式，寻找新范式。
云计算领域同样经历着“范式转换”的过程，跨过“数字化必须要转”的阶段，现在企业更需要的，是既快又好的数字化转型。
这也意味着，云企业不仅需要具备解决“单个”场景、企业痛点的能力，同样要能借助新的IT基础架构和应用，将琐碎的方案整合为规模化输出能力。
区别于阿里云、华为云等自下而上“先IaaS，后PaaS和SaaS”的布局，百度智能云从来都是强调AI与云的深度融合，并针对行业需求，带来“端到端”的技术调优。
截止目前，百度智能云已形成了一套“芯片-框架-大模型-行业应用”的智能化闭环路径，从应用中来，到应用中去，沉淀下通用的、标准化、可复制的能力。
恒逸石化的案例，就是一大体现。作为全球最大的化纤生产商之一，同众多接触数字化转型不深的企业一样，过去，恒逸石化的质检模式一直是传统的“人眼+手电筒”，不仅效率低下，漏检等现象也难以避免。
百度智能云的出现改变了这一切，从AI质检切入，在接入由这一品牌打造的行业首个AI智能外检一体机后，依托传统光学成像与人工智能算法的完美结合，恒逸石化实现了对产品复杂表面的深度分析，车间的检测时间缩短70%，丝绽C级产品更是实现了0漏检，大幅提升质检效率。
不仅如此，当下，百度智能云还在谋求借助质检端和边缘云的联动，通过应用带动更多算力，从而将质检应用从1条产线扩展到30条产线，并顺势推动智能质检的“平台化”。
今天，在恒逸石化的业务端，围绕百度智能云的“端到端”能力，智能质检的成功实践，还在作为样板模式，扩展应用到包括安全检测、能耗优化在内的更多场景。
在这些场景的内部，以百舸+分布式云为代表的“AI设施”，作为百度“端到端”调优能力的载体，通过智能化牵引的方式，还将在未来，帮助客户占据更多竞争先机。
回顾这一案例，百度智能云提供的，不仅仅是基于单一产线的变革，而是从1条产线到30条产线，从算力、到算法、到智能化应用的多层级、全方位、一站式优化。
在这些优化的背后，百度智能云为老牌化工企业带来的“范式转换”并非偶然，而是其核心自研AI技术在产业中充分应用，并结合端到端能力，推动业务高速增长的体现。
这正是得益于这一技术优势，今天，百度智能云可以跳过堆叠的“工厂故事”，以制造业、能源、城市、交通等行业为赋能基点，谱画千行百业的增长绘卷。
眺望未来，站在更宏观的视角，产业化升级的大潮不可逆，全球经济格局重构的趋势不会变。百度智能云除了能帮助产业加速智能化进程，也能帮助中国产业更好地利用AI能力，在全球化的竞争中占据优势。
